搜索
大数据中国 首页 行业资讯 个人投稿 查看内容
零售行业BI解决方案———会员分析
2019-6-11 13:50 | 查看: 938| 评论: 0

20世纪90年代以前,中国零售市场长期保持着百货商店一统天下的单一格局。对外开放以来,随着消费者需求的变化和零售市场竞争的加剧,大型超市、便利店、专卖店等新型零售业态得到快速发展,成为中国零售业规模扩大的主要动力。但是由于各种零售业态的发展情况不尽相同,有些零售业态飞速发展,迅速成为老百姓的新宠,但是有些零售业态还是正处于一种摸索的状态,没有完全发展的很好。

中国商业企业的管理还主要依靠传统管理方式和方法,缺乏创新能力。缺乏市场细分,在商品组合、服务标准、价格、促销和店面布置等方面,采用标准化管理不足。尤其突出的是没有高科技的支持,主要是信息化程度低。企业管理没有运用现代化的电子信息技术。国外的商业企业以管理信息系统、电子数据处理系统、决策支持系统为核心,形成了以网络为辅助的自动化管理,这与传统的零售业运作方式截然不同。

针对没有高科技支持和信息化程度低的这一现象,本文拟采用商业智能对零售行业进行专业的、规模的的剖析,以数据为依托,软件为手段,为零售行业提供最具性价比的数据分析和信息化解决方案。那么具体该怎么做呢?

本文拟从不同角度的数据(如销售数据、库存数据、促销活动数据等)出发,建立不同的分析方法,再根据零售行业最基本分析思维模式,建立系统的、多元化的分析方案。

       一、人货场是零售行业基本的思维模式


零售行业的大部分问题都可以从人、货、场三个维度来思考。无论是线上还是线下,人、货、场都是零售营运的核心三要素。举个例子说明人货场这个思维模式,如下图所示,这是某个连锁超市的会员顾客的增长流失结构图,X轴为会员的增长率,Y轴是会员的流失率,那么从人、货、场的角度分析一下,影响会员增长流失的原因有哪些呢?

零售行业BI解决方案


       1.1零售业常用的分析指标


零售行业常用的分析指标还要从人、货、场的角度出发建立思维模式。从人的角度出发,主要有员工和顾客;从货的角度出发,主要从生产、采购、供应链、销售和售后环节这几个环节模式;从场的角度出发,主要有店铺和渠道。

“人”的部分

       1.2 会员顾客的数据化管理


对零售行业来说,顾客是利润来源,而会员又是顾客中的核心部分,因此对零售行业来说,会员分析是一扇帮助零售企业快速洞悉顾客需求变化乃至市场变化的门窗,在购物经济日益繁荣的当下,会员分析的重要性越发凸显,但说到底,零售企业应怎样制作会员数据分析,从而更快、更准确地掌握数据信息,指导实际销售运营,提升销售额?本部分主要从三个方面展开。

       1.2.1会员的基础分析数据


       每日或每周需追踪的数据:新开卡数、新开卡率、贡献率、会员客单价、会员件单价、会员连带率等。这部分数据以追踪为主,分析为辅,侧重于分析发生了什么层面的业务。

       每月和每季度需要分析的指标:会员平均年龄、性别、贡献率、有效会员总数、会员增长流失率等。这部分数据以分析为主,侧重于研究趋势,整体了解经营状况,找出问题的关键。

       年数据研究指标:主要包括会员的新开卡率、流失率和回头率等。年末数据分析以研究为主,用来指导下一年的策略制定。

根据以上的分析思路,分别制作会员基本指标分析的年、月、日报,从追踪和分析相结合的方法追踪到连锁店每个区域、门店以及可以具体到日的的分析指标。


 零售行业BI解决方案


零售行业数据可视化

 

零售行业BI解决方案


      从以上三个基本分析指标的报表中可以看出会员的基本分析指标也没有特别多,几乎三张报表都用到了销售额、订单数、有效会员数这几个追踪指标,不同的是日报多以每日具体数值和会员对比呈现;月报多以具体数值和月趋势呈现;年报多以门店之间的对比呈现。具体分析如下:

日报:以年月日和门店为筛选按钮,可以观察每个门店每一天的追踪指标,主要指标包括我们每天都需要盯住的会员销售额及占比情况、有效会员及占比情况、件单价、客单价这些点分析。从上图筛选出豫城时尚商场店7月份第二天的日报分析,从图中可以看出本店的日销额以及件单价和客单价,件单价比昨日增长了20%,客单价比昨日增长了22.16%。这一日消费最多的会员是YC4,他的连带率为5,可以看出YC4 会员的的购买单价比较大;连带率最高的会员是YC2,即一次性购买中买了11件产品,他的消费额处于中位,可以粗略的判断此会员当属中等产品消费的重要顾客。

月报:以月和门店为筛选按钮,可观察每个门店下每个月的销售额、有效会员和新增会员的占比或者环比这些追踪指标,以及加入了连带率和贡献率。从上图中可以看出,在20066月份的铜锣湾店基本销售的点指标以及环比和占比的分析,并能发现在这个月份TL5在本门店的消费最多,贡献最大;从趋势分析中观察到会员的贡献率在3月份的时候最高,5月份最低;会员的连带率在上半年的时候不稳定,起伏比较大,在后半年中,连带率呈现稳定上升的趋势,有可能的原因是员工的销售能力提高或者管理者实施了政策,迫于压力,这是一个好现象;从年龄的趋势分析中,本门店的年龄有趋于上涨的趋势,在本零售行业影响可能不大,但若对于服装行业来说,这是一个危险的信号,以为着服装的设计趋于向年长方向发展,是不太有利于品牌的发展的。

年报:以门店为筛选按钮,点指标跟日报和月报一样,以新洲店为例,X2会员的年消费最高,对于这样的会员顾客,是门店的经济支柱,一定要紧紧抓住这样的顾客,可以适当搞一些年奖励或者消费额达到一定标准打折等等;从增长流失结构来看,处在第四象限的门店是最好的,增长率高流失率低,铁西分店处于在这个位置,相反第二象限是流失比增长大的,员村店的增长率为10%,流失率为17%,对于员村店来说,会员是在一个下降的状况;从右边两个饼图可看豫城时尚商城店和万达店的订单数和有效会员数是比较大的,可达连锁超市的60%左右,这两个应该是该企业的重点门店,应重点关注。

       1.2.2会员的价值指标分析


策略的制定提供数据支持。所以零售企业总是想尽一切办法去吸引更多的人成为会员,并且尽可能提高他们的忠诚度。忠诚度高的顾客表现为经常光顾,有较高的价格忍耐度,愿意支付更高的价格,也愿意向其他人推荐,对品牌满意度较高等。会员的忠诚度高不一定会员的价值就高,还得看他的消费能力。总结来看,有三个维度,六个指标,如下:

零售行业BI解决方案

这六项指标,其中前三项是著名的顾客价值研究的RFM模型,分别是R-Recency(最近购买时间),F-Frequency(消费频率),M-Monetary(消费金额)。这三个指标来自于美国数据库营销机构的研究,现在逐渐成为会员价值研究以及会员营销的通用模型了。除此之外,我们还加入了价格容忍度指标,特价商品消费占比和高单价商品消费占比,特价商品占比值越低,价格容忍度越高,高单价商品消费占比越高,价格的容忍度越高,反之亦然。那么该如何量化这六项指标呢,一般采用建立标准打分制的方法,根据零售企业的行业特点,我们制定了这样一个参考标准:

       根据这个标准,整理数据,最终雷达图的形式呈现。如下图会员价值分析。

零售行业BI解决方案




零售行业BI解决方案


会员价值分析以时间年月日进行筛选,再加入门店筛选,门店筛选以会员销售额占比分析汇总,联动到会员的消费额和价值得分排行榜,可观察对各个会员对门店贡献和忠诚度怎么样,更加深刻的了解我们的会员顾客;再者像查看每个会员价值的分布情况,可联动到会员雷达图,具体会员的价值评估就呈现了。由图中我们可观察,员村店的销售业绩是最差的,会员TI的消费额最高,可知是我们的重要顾客。

       1.2.3会员的生命周期管理


从销售最大化的角度来讲,会员管理既要把会员技术做大,还要提高会员的购买频次,同事还需要防止顾客离你而去,所以顾客的生命周期管理就意义重大。如今我们可以通过数据去管理顾客的生命周期。


奥威软件

其中定义

活跃会员:在最近3个月内有过消费的会员。

沉默会员:最后一次消费发生在最近的4-6个月内,已经沉默了3个月。

睡眠会员:最后一次消费发生在最近的7-12个月内,已经睡眠了6个月。

流失会员:最近12个月均没有消费的会员。

上述定义仅基于一般的零售行业情况,针对具体的企业可制定不同的标准。

本文针对会员生命周期的定义结合零售行业的基本情况,制定的会员生命周期管理的报表。本报表以时间年月日和汇总值是活跃会员数的门店为筛选按钮,可观察每个不同的时期和门店下面会员各个生命周期以及活跃会员的重复购买次数的占比情况;还可观察到会员和活跃会员结构趋势分析。

零售行业BI解决方案

从上图中可以看出,在20064月份,中心城店的活跃会员数最少,中心城店的要注重会员的后续管理;铜锣湾店活跃会员数也是比较多的,占总会员数的54%,活跃会员中,单次购买和重复一次购买的会员比重比较大,达73%左右;再从趋势上看,铜锣湾店的会员趋势,再4月份和7月份的会员总数比较大,7月份属最低,可针对具体的月份进行细节分析;再从4月份看,活跃会员占的比重比较大,1/2左右,沉默会员次之,流失会员和睡眠会员的人数最少,我们的目的是增大活跃会员、减少其他会员的比重。

       1.2.4 销售额之会员的生命周期


在会员生命周期的基础上,个性化的分析会员的生命周期结构与会员销售额、总销售额的关系对比,具体报表如下:


零售行业BI解决方案

零售行业BI解决方案


零售行业BI解决方案

从图中可以看出,中心城店的会员销售额占总销售的比重最大,这与中心城点的活跃会员数和重复多次购买比重大和会员转化率高有关。
   
       奥威零售行业BI解决方案:http://www.powerbi.com.cn/page126

免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-3-29 15:11 , Processed in 0.147720 second(s), 23 queries .

返回顶部